%34تخفیف

دانلود پروژه: تشخيص رسوبات ريز کلسيم، در تصاوير ماموگرافي به کمک پردازش تصوير  

تعداد 84صفحه در فایل word

کارشناسی ارشد رشته‌ی مهندسی کامپیوتر هوش مصنوعی

 

تشخيص رسوبات ريز کلسيم، در تصاوير ماموگرافي به کمک پردازش تصوير

 

چکیده

سرطان سینه یکی از متداول‌ترین سرطان‌ها و یکی از عوامل مرگ‌ومیر در خانم‌هاست. دلایل روشنی وجود دارد که تشخیص به موقع، شانس و احتمال درمان را در بیماران مبتلا به سرطان سینه افزایش می‌دهد. گزارش های منتشره حاکی از تشخیص 30 الی 50 درصد این نوع سرطان در تصاویر ماموگرافی و 60 الی 80 درصد در معاینه‌های بافت‌شناسی است. ریزکلسیم‌ها یکی از مهم‌ترین انواع نشانه‌های شناخته‌شده‌ی سرطان سینه است. یافته­های چند سال اخیر نشان می­دهد که رگه­هاي کليسمی که در جداره­هاي رگ رسوب می‌کند و اغلب به‌صورت خطوط موازي درتصاوير ماموگرافي ظهور پيدا می‌کنند، نشان دهنده ابتلاء و يا قريب الوقوع بودن برخي بيماري هاي قلبي و عروقي جدي از جمله انسداد شرياني قلب، آمادگي بيمار براي حمله قلبي و حتي ديابت است که پیش از این، این رگه­های کلسیمی به اشتباه علامت سرطان در نظر گرفته می‌شد و تنها هزینه و استرس برای بیمار در بر داشته است. هدف از این تحقیق حذف رگه­های کلسیمی و تشخیص دقیق ریزکلسیم‌ها از بافت نرمال و بافت های حاوی علائم کاذب، با استفاده از موجک و ماتریس هم رخداد و کلاس‌بندی آنها به کمک ماشین بردار پشتیبان است.

تصاویر ماموگرافی به‌کاررفته در این طرح از پایگاه داده جهانی MIAS دریافت شد و بعد از پیدا کردن رگ‌ها به‌وسیله‌ی موجک و آستانه گذاری و حذف آنها، مراحل انتخاب نواحی مطلوب و استخراج ویژگی با استفاده از سه روش نظریه موجک، گبور، ماتریس هم رخداد انجام شد و به کمک کلاس­بندهای بیز و ماشین بردار پشتیبان دسته‌بندی شدند. در نهایت بهترین نتایج با استفاده از ویژگی­های استخراج شده از ماتریس هم رخداد و بکار گیری کلاس­بند ماشین بردار پشتیبان حاصل شد و به نتایج صحت 6/84% و حساسیت 7/84% و اختصاصیت 4/84% رسیدیم و نشان دادیم که با استفاده از ماتریس هم رخداد می­توان به نتایج قابل قبولی رسید.

کلیدواژه: ریزکلسیم‌ها- نظریه‌ی موجک –گبور- بیماری­های قلبی و عروقی-سرطان سینه -بیز-ماشین بردار پشتیبان.

فصل اول کلیات 1
1-1 مقدمه 1
1-2 آناتومي سينه 3
1-2-1 اجزای اصلی 3
1-2-1-1 خون‌رسانی به سينه 3
1-3 ماموگرافی 5
1-3-1 انواع ماموگرافی 5
1-3-1-1 ماموگرافی دیجیتال 5
1-3-1-2 تشخیص به کمک کامپیوتر 5
1-3-1-3 توموسنتز سینه 6
1-3-2 مراحل استفاده از ماموگرافی 6
1-3-2-1 غربالگری ماموگرافی 6
1-3-2-2 ماموگرافی تشخیصی 6
1-3-3 مزایا و معایب ماموگرافی 8
1-3-3-1 مزایای تصویربرداری 8
1-3-3-2 خطرات تصویربرداری 9
1-3-3-3 محدودیت های ماموگرافی 9
1-3-4 سرطان سينه 9
1-3-4-1 علائم سرطان سینه 10
1-3-4-1-1 غده 10
1-3-4-1-2 عدم تقارن 10
1-3-4-1-3 ریزکلسیم ها 10
1-3-4-1-4 ضخیم شدن پوست 11
1-3-4-2 بررسی ماموگرام 11
1-4 اهمیت انجام کار و چالش های مربوط به روش 12
1-5 اهداف تحقیق 13
1-6 جمع بندی 13
فصل دوم مروری بر ادبیات مسئله 14
2-1 مقدمه 14
2-2 پایگاه داده‌ی ماموگرافی 14
2-2-1 تحلیل پایگاه داده MIAS 16
2-2-2 مشخصات موارد مشکوک سینه در تصاویر ماموگرافی 17
2-2-2-1 ریزکلسیم 17
عنوان صفحه
2-2-2-1-1 ریزکلسیم های خوش‌خیم 17
2-2-2-1-2 ریزکلسیم‌های بدخیم 18
2-2-2-2 توده‌ها 18
2-3 پردازش تصاویر ماموگرافی 18
2-3-1 پیش پردازش 19
2-3-2 استخراج ویژگی 21
2-3-3 کلاس‌بندی 24
فصل سوم پیش‌ پردازش 27
3-1 بهبود تصوير 27
3-1-1 روش های مورد استفاده در بهبود تصاویر ماموگرام 28
3-1-1-1 هیستوگرام 29
3-1-1-2 روشهای حوزه مکان 29
3-1-1-2-1 پردازش نقطه ای 30
3-1-1-2-2 پردازش گروهی نقاط 30
3-1-1-3 مورفولوژی 31
3-1-1-3-1 فرسایش و گسترش 31
3-1-1-3-2 مؤلفه‌های همبند 32
3-1-1-4 روش های حوزه فرکانس 33
3-1-1-5 روش های حوزه موجک 35
حذف نويز با استفاده از تبديل موجک 39
3-1-1-6 انواع مختلف تابع حذف 40
3-1-1-6-1 روش‌های انتخاب آستانه 41
3-1-1-7 روش مورد استفاده براي حذف نويز با استفاده از مبناي موجک بهينه 43
3-1-1-7-1 تشخيص رگ‌ها با استفاده از روش مبتني بر موجک 45
فصل چهارم انتخاب نواحی مطلوب و استخراج ویژگی 52
4-1 مقدمه 52
4-1-1 نواحی مطلوب 52
4-2 استخراج ویژگی 54
4-2-1 قوانین انتخاب الگوریتم های استخراج ویژگی 54
4-2-1-1 تبدیل موجک جهت استخراج ویژگی 54
4-2-1-2 تبدیل موجک گسسته 55
4-2-1-3 گبور 59
4-2-1-4 ماتریس های هم رخداد 60
4-2-1-5 استخراج ویژگی برای الگوریتم های آماری 66
فصل پنجم کلاس‌بندی و نتایج 67
عنوان صفحه
5-1 مقدمه 67
5-2 تئوری تصمیم‌گیری بیز 68
5-3 ماشین بردار پشتیبان 70
5-3-1 کاربردهای SVM 70
5-3-2 ایده اصلی SVM 71
5-4 طرز کار ماشين بردار پشتيبان خطي 71
5-5 معیار ارزیابی 73
5-6 نتایج و مقایسه با سایر روش ها 73
فصل ششم نتیجه گیری و افق پیشرو 75
6-1 افق پیشرو 76
مراجع 78

فهرست شکلها

عنوان صفحه
شکل ‏1-1: آناتومي سينه از پهلو 4
شکل ‏1-2 آناتومي سينه از روبرو 4
شکل ‏1-3 آناتومي سينه از دو جهت 4
شکل ‏1-4 نمونه‌ای از دستگاه تصویربرداری ماموگرافی 7
شکل ‏2-1 نمونه‌ای از اطلاعات پایگاه داده‌ی MIAS 15
شکل ‏2-2 تصاویر 1میلیمتر × 1میلیمتر از ریزکلسیم ها 17
شکل ‏2-3 تصاویر ریزکلسیم خوش خیم، این تصاویر در اندازه 1 میلی متر* 1 میلی متر استخراج شدند 18
شکل ‏2-4 تصاویر ریزکلسیم بدخیم، این تصاویر در اندازه 1 میلی متر* 1 میلی متر استخراج شدند 18
شکل ‏3-1 تصویر یک ماموگرام و هیستوگرام مربوط به آن 29
شکل ‏3-2 تصویر اصلی ماموگرام (الف). تصویر خروجی ناشی از اعمال مراحل حذف برچسب و نواحی زائد (ب) 33
شکل ‏3-3 شمایی از تبدیل فوریه 34
شکل ‏3-4 تبدیل فوریه‌ی تصویر ماموگرافی 35
شکل ‏3-5 شمایی از تبدیل موجک 36
شکل ‏3-6 موجک مورلت مختلط. a) قسمت حقيقي موجک. b) قسمت موهومي موجک. 46
شکل ‏3-7 تجزيه سيگنال گوسي و لبه پله مانند با استفاده از موجک مورلت . a) سيگنال اصلي b) نتايج مربوط به معيار رگ بودن c)نتايج مربوط به معيار لبه بودن. 49
شکل ‏3-8 بهسازی رگ‌ها در حوزه‌ی موجک 49
شکل ‏3-9 اعمال آستانه و حذف رگ‌ها از تصویر اصلی 51
شکل ‏4-1 الف) محدوده مشخص شده ریزکلسیم ها ب) قرار گرفتن ریزکلسیم ها در ناحیه ی رگی 53
شکل ‏4-2: تبدیل موجک گسسته دو بعدی 55
شکل ‏4-3 زیر تصاویر برچسب گذاری شده در موجک 56
شکل ‏4-4 نمونه‌ای از اعمال موجک بر روی یک تصویر خاکستری 57
شکل ‏4-5 نتایج تجزیه‌ی تصویر در دو سطح 58
شکل ‏4-6 نمونه‌هایی از تصاویر خروجی ناشی از اعمال فیلتر گبور روی چند تصویر ROI استخراج شده 60
شکل ‏5-1 a) ابرصفحات جداکننده‌ی دو کلاس b) ابرصفحه ی بهینه‌ی جداکننده‌ی دو کلاس 72

فهرست جدولها
عنوان صفحه
جدول ‏2-1 دسته‌بندی تصاویر MIAS برحسب نوع بافت و ضایعه 16
جدول ‏2-2 دسته‌بندی تصاویر MIAS برحسب وخامت بیماری 16
جدول ‏5-1 نتایج حاصل از بکارگیری کلاسبند بیز 73
جدول ‏5-2 نتایج حاصل از بکارگیری کلاسبند ماشین بردار پشتیبان 74
جدول ‏5-3 نتایجی از چند پژوهش در زمینه ی کشف ریزکلسیم ها 74

1 دیدگاه برای دانلود پروژه: تشخيص رسوبات ريز کلسيم، در تصاوير ماموگرافي به کمک پردازش تصوير  

  1. achat de cytotec en Espagner

    You’ve gotten one of the better websites. viagra 100 mg su prescrizione medica

دیدگاه خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

قبلا حساب کاربری ایجاد کرده اید؟
گذرواژه خود را فراموش کرده اید؟
Loading...
enemad-logo